vgg16迁移学习代码

好的，这是一个基于 PyTorch 实现的 VGG16 迁移学习代码：

import torch
import torch.nn as nn
import torchvision.models as models

# 加载预训练的 VGG16 模型
vgg16 = models.vgg16(pretrained=True)

# 冻结所有 VGG16 的卷积层参数
for param in vgg16.parameters():
    param.requires_grad = False

# 替换全连接层，使其适应自己的任务
num_classes = 10  # 根据自己的任务设置分类数
vgg16.classifier = nn.Sequential(
    nn.Linear(512 * 7 * 7, 4096),
    nn.ReLU(inplace=True),
    nn.Dropout(),
    nn.Linear(4096, 4096),
    nn.ReLU(inplace=True),
    nn.Dropout(),
    nn.Linear(4096, num_classes)
)

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(vgg16.classifier.parameters(), lr=0.001, momentum=0.9)

# 训练模型
for epoch in range(num_epochs):
    # 训练代码
    pass

在这个代码中，我们首先加载了预训练的 VGG16 模型，并且冻结了所有卷积层的参数，然后替换了全连接层，使其适应自己的任务。接着定义了损失函数和优化器，最后进行模型训练。需要根据自己的任务和数据集设置相应的参数。